字节跳动
校招基于投放信号反馈的Agentic视频生成闭环与应用研究 - 国际化广告创意与品牌
北京/上海/深圳/杭州 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 2027届毕业，获得博士学位；人工智能、计算机、数学相关专业优先
- 优秀的代码能力、数据结构和基础算法功底，熟悉PyTorch深度学习等框架
- 有丰富的研究实践经验，在ICML/ICLR/CVPR/NeurIPS等顶级期刊会议上发表论文者优先
- 对LLM/VLM/Agent/Video Gen的相关后训练技术，包括微调、RL有实践或创新优化相关经验
- 出色的问题分析和解决能力，有自主探索解决方案的能力；良好的沟通协作能力，能和团队一起探索新技术，推进技术进步
- 出色的心理素质与应变能力，面对复杂局面沉着、冷静、灵活。
岗位描述
团队介绍：字节跳动国际商业化创意与品牌广告团队致力于通过创意内容（如创意解决方案平台、内容套装及ACA创意工具）与AI技术的结合，为品牌提供从认知到种草转化为购买的全链路营销解决方案。无论是广告投放还是自然流量，我们都能通过智能ROI优化和GMV增长技术，最大化品牌的营销效果。
我们将创意、社区与商业无缝融合，AI技术贯穿始终，帮助品牌高效触达目标用户，实现可持续增长。我们的使命是激发创意，驱动增长。我们愿景是打造以创意为核心、AI驱动的增长引擎，让每一次内容探索都能带来可衡量的商业价值。
课题介绍：
短视频是广告投放的核心，为大幅提升自动化生产水平，本项目计划基于Topads打造一套智能Agent闭环系统。该系统具备深度解析爆款多模态叙事与运镜节奏的能力，能自动调度In-house模型，将新商品自然融入以实现高效复刻。该系统还计划打破传统的开环生成模式，引入真实广告投放信号作为关键反馈。通过RL算法让投放数据直接反哺，持续优化Agent在视频理解、可控生成与低效内容汰换全链路上的决策策略，最终实现高ROI营销视频的规模化生产。
课题挑战：
- 1、长视频生成中需保持极低错误率与高一致性；
- 2、需克服投放信号噪声、延迟与长周期特性以优化Agent。
课题价值：
- 1、打通基于真实投放信号反馈的Agentic理解、生成、汰换闭环；
- 2、极大提升视频生成自动化程度和质量，实现爆款视频规模化复刻与高ROI转化。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。